多模态

Jonathan Ho

乔纳森·何

DDPM · 扩散生成

Jonathan Ho 是生成模型研究者，代表工作包括 DDPM 和 Classifier-Free Guidance。他与合作者研究如何让模型从噪声逐步生成图像，以及怎样让生成结果更贴近给定条件。

2020 年，他与 Ajay Jain、Pieter Abbeel 发表 DDPM。训练时给真实图像逐渐加入噪声，让网络学习去除这些噪声；生成时则从随机噪声出发，反复执行去噪步骤，最终得到图像。

他与 Tim Salimans 提出的 Classifier-Free Guidance，把有条件和无条件的预测组合起来，在无需额外训练分类器的情况下加强条件控制。它影响了后来许多图像生成系统中的引导强度设置，也带来了条件符合程度与样本多样性之间的取舍。